はじめに

おぼえたことをがんばってめもするイッヌ
Windows環境を想定した内容です

設定

R

インストール

CRAN（The Comprehensive R Archive Network）をクリック（The Institute of Statistical Mathematics, Tokyo）
Download R for Windowsをクリック
baseをクリック

Figure2.Rのインストール方法2

Download R-X.X.X for Windowsをクリック

Figure3.Rのインストール方法3

ダウンロードしたファイル（R-X.X.X-win）をダブルクリックし，次へをクリックしていく（特別な事情がなければデフォルトの設定のままでよい）

バージョンアップ／ダウン

「インストール」と同様の手順でインストール
ToolsをクリックしてGlobal Optionsをクリック

Figure4.Rのバージョンアップ／ダウン方法1

Changeをクリック

Figure5.Rのバージョンアップ／ダウン方法2

最新のバージョンを選択してOKをクリックしてさらにOKをクリック

バージョンダウンさせたければ，ここで古いバージョンを選択する

Figure6.Rのバージョンアップ／ダウン方法3

コンソールでR.versionと打ち，バージョンを確認

Figure7.Rのバージョンアップ／ダウン方法4

反映されていなければ，一度RStudioを起動し直す

RStudio

インストール

Rをインストールしてから

Download the RStudio IDEをクリック

Figure8.RStudioのインストール方法1

スクロールしてAll Installersから”Windows X”の”RStudio-XXXX.XX.x-XXX.exe”をクリック

Figure9.RStudioのインストール方法2

ダウンロードされたファイルをダブルクリックし，次へをクリックしていく（特別な事情がなければデフォルトの設定のままでよい）

ワークスペースの設定

ToolsをクリックしてGlobal optionsをクリック

Figure10.RStudioの設定1

Workspaceの”Restore .RData into workspace at startup”にチェックが入っていたらチェックを外す

Figure11.RStudioの設定2

同じWorkspaceの”Save workspace to .RData on exit”が”Never”になっていなければ”Never”にしてOKをクリック

Figure12.RStudioの設定3

文字コードの設定

ToolsをクリックしてGlobal optionsをクリック

Figure13.RStudioの設定4

CodeをクリックしてSavingをクリックしてDefault text encodingで”UTF-8”を選択してOKをクリック

Figure14.RStudioの設定5

プロジェクトの使い方

GitHubと連携する場合は，GitHub-tipsの”RStudioの設定”にプロジェクトの設定方法を記載しているので，そちらをご参照ください。

ProjectをクリックしてNew Projectをクリック

Figure15.RStudioプロジェクトの設定1

New Directoryをクリック

Figure16.RStudioプロジェクトの設定2

New Projectをクリック

Figure17.RStudioプロジェクトの設定3

Directory nameにプロジェクト名を入力

Figure18.RStudioプロジェクトの設定4

Create project as subdirectory ofにプロジェクトを作りたい場所を指定してCreate Projectをクリック

Figure19.RStudioプロジェクトの設定5

パッケージの読み込み

起動するたびにパッケージを読み込む必要がある
パッケージをインストールしていなければinstall.packages("tidyverse")でインストール

パッケージを読み込み

library(tidyverse)
library(palmerpenguins) # サンプルデータ

データの読み込み（Import）

csvファイルを読み込む場合

data.tableパッケージのfread関数
- freadはRの文字コードに依存する
- いまはRの文字コードがUTF-8になったので，UTF-8で作られたcsvであれば読み込める
- cp932で作られたcsvは読み込めない
- tibble型にはならない
- data.table: Extension of ‘data.frame’
vroomパッケージのvroom関数（推奨）
- vroomは文字コードを指定することができる
- UTF-8がデフォルトのため，UTF-8で作られたcsvであれば引数なしに読み込める
- cp932で作られたcsvは引数locale = locale(encoding = "cp932")を指定すれば読み込める
- tibble型になる
- vroom: Read and Write Rectangular Text Data Quickly

# fread（UTF-8）
# tibble型になっていないのでas_tibble()でtibble型にする
df <- 
  data.table::fread(".csv",
                    data.table = FALSE) |> 
  as_tibble()

# vroom（UTF-8）
df <- 
  vroom::vroom(".csv")

# vroom（cp932）
df <- 
  vroom::vroom(".csv",
               locale = locale(encoding = "cp932"))

Excelファイルを読み込む場合

readxlパッケージのread_xlsx関数
- 文字コードは問題にならない
- tibble型にはならない
- readxl: Read Excel Files

df <- 
  readxl::read_xlsx(".xlsx") |> 
  as_tibble()

# シートを指定したいときはsheet引数を使う
df <- 
  read_xlsx(".xlsx", 
            sheet = "") |> 
  as_tibble()

データ変換（Data transformation）

サンプルデータの内容（palmerpenguinsパッケージのpenguinsデータ）
- 8変数344観測値のデータ
- species: ペンギンの種を表す因子型の変数（アデリー，ヒゲ，ジェンツー）
- island: 南極パーマー諸島の島を表す因子型の変数（ビスコー諸島，ドリーム島，トージャーセン島）
- bill_length_mm: くちばしの長さを表す実数型の変数（mm）
- bill_depth_mm: くちばしの厚さを表す実数型の変数（mm）
- flipper_length_mm: 翼の長さを表す整数型の変数（mm）
- body_mass_g: 体重を表す整数型の変数（グラム）
- sex: 性別を表す因子型の変数（オス，メス）
- year: 調査年を表す整数型の変数（2007年，2008年，2009年）
- palmerpenguins: Palmer Archipelago (Antarctica) Penguin Data

penguins

## # A tibble: 344 × 8
##    species island    bill_length_mm bill_depth_mm flipper_length_mm body_mass_g
##    <fct>   <fct>              <dbl>         <dbl>             <int>       <int>
##  1 Adelie  Torgersen           39.1          18.7               181        3750
##  2 Adelie  Torgersen           39.5          17.4               186        3800
##  3 Adelie  Torgersen           40.3          18                 195        3250
##  4 Adelie  Torgersen           NA            NA                  NA          NA
##  5 Adelie  Torgersen           36.7          19.3               193        3450
##  6 Adelie  Torgersen           39.3          20.6               190        3650
##  7 Adelie  Torgersen           38.9          17.8               181        3625
##  8 Adelie  Torgersen           39.2          19.6               195        4675
##  9 Adelie  Torgersen           34.1          18.1               193        3475
## 10 Adelie  Torgersen           42            20.2               190        4250
## # … with 334 more rows, and 2 more variables: sex <fct>, year <int>

行

R for Data Science（2e）を参照して作成
“## パッケージを読み込み”を実行してから

ケースを選択する（filter）

条件をひとつ指定

選択

==（等しい），>=（以上），>（超），<=（以下），<（未満）などが使える

# "species"が"Adelie"のケースを選択する
# count()で"species"を確認
penguins |> 
  filter(species == "Adelie") |> 
  count(species)

## # A tibble: 1 × 2
##   species     n
##   <fct>   <int>
## 1 Adelie    152

# "bill_length_mm"が"35以上"のケースを選択する
# count()で"bill_length_mm"を確認
penguins |> 
  filter(bill_length_mm >= 35) |> 
  count(bill_length_mm)

## # A tibble: 156 × 2
##    bill_length_mm     n
##             <dbl> <int>
##  1           35       2
##  2           35.1     1
##  3           35.2     1
##  4           35.3     1
##  5           35.5     2
##  6           35.6     1
##  7           35.7     3
##  8           35.9     2
##  9           36       4
## 10           36.2     3
## # … with 146 more rows

# "bill_length_mm"が"35超"のケースを選択する
# count()で"bill_length_mm"を確認
penguins |> 
  filter(bill_length_mm > 35) |> 
  count(bill_length_mm)

## # A tibble: 155 × 2
##    bill_length_mm     n
##             <dbl> <int>
##  1           35.1     1
##  2           35.2     1
##  3           35.3     1
##  4           35.5     2
##  5           35.6     1
##  6           35.7     3
##  7           35.9     2
##  8           36       4
##  9           36.2     3
## 10           36.3     1
## # … with 145 more rows

# "bill_depth_mm"が"14以下"のケースを選択する
# count()で"bill_depth_mm"を確認
penguins |> 
  filter(bill_depth_mm <= 14) |> 
  count(bill_depth_mm)

## # A tibble: 10 × 2
##    bill_depth_mm     n
##            <dbl> <int>
##  1          13.1     1
##  2          13.2     1
##  3          13.3     1
##  4          13.4     1
##  5          13.5     2
##  6          13.6     1
##  7          13.7     6
##  8          13.8     4
##  9          13.9     4
## 10          14       2

# "bill_depth_mm"が"35超"のケースを選択する
# count()で"bill_depth_mm"を確認
penguins |> 
  filter(bill_depth_mm < 14) |> 
  count(bill_depth_mm)

## # A tibble: 9 × 2
##   bill_depth_mm     n
##           <dbl> <int>
## 1          13.1     1
## 2          13.2     1
## 3          13.3     1
## 4          13.4     1
## 5          13.5     2
## 6          13.6     1
## 7          13.7     6
## 8          13.8     4
## 9          13.9     4

選択しない

==（等しい），>=（以上），>（超），<=（以下），<（未満）などが使える
!=でfilterするとNAも削除されることに注意（詳細は後述）

# "species"が"Adelie"のケースを選択しない
# count()で"species"を確認
penguins |> 
  filter(species != "Adelie") |> 
  count(species)

## # A tibble: 2 × 2
##   species       n
##   <fct>     <int>
## 1 Chinstrap    68
## 2 Gentoo      124

# "bill_length_mm"が"35以上"のケースを選択しない
# count()で"bill_length_mm"を確認
penguins |> 
  filter(!(bill_length_mm >= 35)) |> 
  count(bill_length_mm)

## # A tibble: 8 × 2
##   bill_length_mm     n
##            <dbl> <int>
## 1           32.1     1
## 2           33.1     1
## 3           33.5     1
## 4           34       1
## 5           34.1     1
## 6           34.4     1
## 7           34.5     1
## 8           34.6     2

# "bill_length_mm"が"35超"のケースを選択しない
# count()で"bill_length_mm"を確認
penguins |> 
  filter(!(bill_length_mm > 35)) |> 
  count(bill_length_mm)

## # A tibble: 9 × 2
##   bill_length_mm     n
##            <dbl> <int>
## 1           32.1     1
## 2           33.1     1
## 3           33.5     1
## 4           34       1
## 5           34.1     1
## 6           34.4     1
## 7           34.5     1
## 8           34.6     2
## 9           35       2

# "bill_depth_mm"が"14以下"のケースを選択しない
# count()で"bill_depth_mm"を確認
penguins |> 
  filter(!(bill_depth_mm <= 14)) |> 
  count(bill_depth_mm)

## # A tibble: 70 × 2
##    bill_depth_mm     n
##            <dbl> <int>
##  1          14.1     3
##  2          14.2     6
##  3          14.3     4
##  4          14.4     5
##  5          14.5     8
##  6          14.6     5
##  7          14.7     2
##  8          14.8     3
##  9          14.9     1
## 10          15      10
## # … with 60 more rows

# "bill_depth_mm"が"35超"のケースを選択しない
# count()で"bill_depth_mm"を確認
penguins |> 
  filter(!(bill_depth_mm < 14)) |> 
  count(bill_depth_mm)

## # A tibble: 71 × 2
##    bill_depth_mm     n
##            <dbl> <int>
##  1          14       2
##  2          14.1     3
##  3          14.2     6
##  4          14.3     4
##  5          14.4     5
##  6          14.5     8
##  7          14.6     5
##  8          14.7     2
##  9          14.8     3
## 10          14.9     1
## # … with 61 more rows

条件を複数指定

選択

&（および），|（または）などが使える
|のショートカットに%in%がある

# "species"が"Adelie"で"island"が"Biscoe"のケースを選択する
# count()で"species"と"island"を確認
penguins |> 
  filter(species == "Adelie" & island == "Biscoe") |> 
  count(species, island)

## # A tibble: 1 × 3
##   species island     n
##   <fct>   <fct>  <int>
## 1 Adelie  Biscoe    44

# "species"が"Adelie"または"Chinstrap"のケースを選択する
# count()で"species"を確認

# | 
penguins |> 
  filter(species == "Adelie" | species == "Chinstrap") |> 
  count(species)

## # A tibble: 2 × 2
##   species       n
##   <fct>     <int>
## 1 Adelie      152
## 2 Chinstrap    68

# %in% 
penguins |> 
  filter(species %in% c("Adelie", "Chinstrap")) |> 
  count(species)

## # A tibble: 2 × 2
##   species       n
##   <fct>     <int>
## 1 Adelie      152
## 2 Chinstrap    68

選択しない

&（および），|（または）などが使える
|のショートカットに%in%がある

# "species"が"Adelie"で"island"が"Biscoe"のケースを選択しない
# count()で"species"と"island"を確認
penguins |> 
  filter(!(species == "Adelie" & island == "Biscoe")) |> 
  count(species, island)

## # A tibble: 4 × 3
##   species   island        n
##   <fct>     <fct>     <int>
## 1 Adelie    Dream        56
## 2 Adelie    Torgersen    52
## 3 Chinstrap Dream        68
## 4 Gentoo    Biscoe      124

# "species"が"Adelie"または"Chinstrap"のケースを選択しない
# count()で"species"を確認

# | 
penguins |> 
  filter(!(species == "Adelie" | species == "Chinstrap")) |> 
  count(species)

## # A tibble: 1 × 2
##   species     n
##   <fct>   <int>
## 1 Gentoo    124

# %in% 
penguins |> 
  filter(!species %in% c("Adelie", "Chinstrap")) |> 
  count(species)

## # A tibble: 1 × 2
##   species     n
##   <fct>   <int>
## 1 Gentoo    124

条件をまとめて複数指定

選択

# "species"が"Adelie"または"Chinstrap"のケースをまとめて選択する
# count()で"species"を確認

# "Adelie"，"Chinstrap"を含むオブジェクトを作成
obs <- 
  c("Adelie", "Chinstrap")

# %in% 
penguins |> 
  filter(species %in% obs) |> 
  count(species)

## # A tibble: 2 × 2
##   species       n
##   <fct>     <int>
## 1 Adelie      152
## 2 Chinstrap    68

選択しない

# "species"が"Adelie"または"Chinstrap"のケースをまとめて選択する
# count()で"species"を確認

# "Adelie"，"Chinstrap"を含むオブジェクトを作成
obs <- 
  c("Adelie", "Chinstrap")

# %in% 
penguins |> 
  filter(!species %in% obs) |> 
  count(species)

## # A tibble: 1 × 2
##   species     n
##   <fct>   <int>
## 1 Gentoo    124

水準の条件を指定

選択

# "fruit"の変数を追加したオブジェクトを作成
df <- 
  tribble(
    ~fruit, 
      "apple",
      "banana",
      "melon",
      "strawberry",
      "orange",
      "peach",
      "green apple")

df

## # A tibble: 7 × 1
##   fruit      
##   <chr>      
## 1 apple      
## 2 banana     
## 3 melon      
## 4 strawberry 
## 5 orange     
## 6 peach      
## 7 green apple

# "fruit"の中で"apple"という文字を含むケースを選択する
df |> 
  filter(str_detect(fruit, "apple"))

## # A tibble: 2 × 1
##   fruit      
##   <chr>      
## 1 apple      
## 2 green apple

選択しない

# "fruit"の中で"apple"という文字を含むケースを選択しない
df |> 
  filter(!str_detect(fruit, "apple"))

## # A tibble: 5 × 1
##   fruit     
##   <chr>     
## 1 banana    
## 2 melon     
## 3 strawberry
## 4 orange    
## 5 peach

!= を使うときの注意

filter(sex != "male")"でfilterするとNAも削除される
filter(!sex %in% c("male"))"でfilterすればNAは削除されない

# "sex"には"female"，"male"，"NA"が入っている
penguins |> 
  count(sex)

## # A tibble: 3 × 2
##   sex        n
##   <fct>  <int>
## 1 female   165
## 2 male     168
## 3 <NA>      11

# "sex != male"として"male"を選択しないようにする
# count()で"sex"を確認
# "NA"も除外されていて"female"のみが選択される
penguins |> 
  filter(sex != "male") |> 
  count(sex)

## # A tibble: 1 × 2
##   sex        n
##   <fct>  <int>
## 1 female   165

# "NA"を除外せず"male"だけを選択しないようにする
# count()で"sex"を確認
# "female"と"NA"が選択される
penguins |> 
  filter(!sex %in% c("male")) |> 
  count(sex)

## # A tibble: 2 × 2
##   sex        n
##   <fct>  <int>
## 1 female   165
## 2 <NA>      11

欠損値

選択

# "sexがNAのケースを選択する
# count()で"sex"を確認
penguins |>
  filter(is.na(sex)) |> 
  count(sex)

## # A tibble: 1 × 2
##   sex       n
##   <fct> <int>
## 1 <NA>     11

選択しない

drop_naとfilter(!is.na)を使う方法がある
ひとつの変数を扱う場合であればどちらも同じだが，複数の変数を扱う場合はdrop_naのほうが便利そう

# drop_na ----------

## "sexがNAのケースを選択しない
## count()で"sex"を確認
penguins |> 
  drop_na(sex) |> 
  count(sex)

## # A tibble: 2 × 2
##   sex        n
##   <fct>  <int>
## 1 female   165
## 2 male     168

## 複数の変数の欠損を除く
## filter(is.na)で"sex"の欠損または"bill_length_mm"の欠損を確認
penguins |> 
  drop_na(sex, bill_length_mm) |> 
  filter(is.na(sex) | is.na(bill_length_mm))

## # A tibble: 0 × 8
## # … with 8 variables: species <fct>, island <fct>, bill_length_mm <dbl>,
## #   bill_depth_mm <dbl>, flipper_length_mm <int>, body_mass_g <int>, sex <fct>,
## #   year <int>

# filter(!is.na) ----------

## "sexがNAのケースを選択しない
## count()で"sex"を確認
penguins |>
  filter(!is.na(sex)) |> 
  count(sex)

## # A tibble: 2 × 2
##   sex        n
##   <fct>  <int>
## 1 female   165
## 2 male     168

## 複数の変数の欠損を除く
## filter(is.na)で"sex"の欠損または"bill_length_mm"の欠損を確認
penguins |>
  filter(!is.na(sex), !is.na(bill_length_mm)) |> 
  filter(is.na(sex) | is.na(bill_length_mm))

## # A tibble: 0 × 8
## # … with 8 variables: species <fct>, island <fct>, bill_length_mm <dbl>,
## #   bill_depth_mm <dbl>, flipper_length_mm <int>, body_mass_g <int>, sex <fct>,
## #   year <int>

ケースを並び替える（arrange）

昇順

# "bill_length_mm"を昇順に並び替える
# select()で"bill_length_mm"を確認
penguins |> 
  arrange(bill_length_mm) |> 
  select(bill_length_mm)

## # A tibble: 344 × 1
##    bill_length_mm
##             <dbl>
##  1           32.1
##  2           33.1
##  3           33.5
##  4           34  
##  5           34.1
##  6           34.4
##  7           34.5
##  8           34.6
##  9           34.6
## 10           35  
## # … with 334 more rows

降順

# "bill_length_mm"を降順に並び替える
# select()で"bill_length_mm"を確認
penguins |> 
  arrange(desc(bill_length_mm)) |> 
  select(bill_length_mm)

## # A tibble: 344 × 1
##    bill_length_mm
##             <dbl>
##  1           59.6
##  2           58  
##  3           55.9
##  4           55.8
##  5           55.1
##  6           54.3
##  7           54.2
##  8           53.5
##  9           53.4
## 10           52.8
## # … with 334 more rows

列

R for Data Science（2e）を参照して作成
“## パッケージを読み込み”を実行してから

変数を選択する（select）

matches()を用いた正規表現の詳細は別の章

変数をひとつ指定

選択

# "species"を選択する
penguins |> 
  select(species)

## # A tibble: 344 × 1
##    species
##    <fct>  
##  1 Adelie 
##  2 Adelie 
##  3 Adelie 
##  4 Adelie 
##  5 Adelie 
##  6 Adelie 
##  7 Adelie 
##  8 Adelie 
##  9 Adelie 
## 10 Adelie 
## # … with 334 more rows

選択しない

# "species"を選択しない
penguins |> 
  select(!species)

## # A tibble: 344 × 7
##    island  bill_length_mm bill_depth_mm flipper_length_… body_mass_g sex    year
##    <fct>            <dbl>         <dbl>            <int>       <int> <fct> <int>
##  1 Torger…           39.1          18.7              181        3750 male   2007
##  2 Torger…           39.5          17.4              186        3800 fema…  2007
##  3 Torger…           40.3          18                195        3250 fema…  2007
##  4 Torger…           NA            NA                 NA          NA <NA>   2007
##  5 Torger…           36.7          19.3              193        3450 fema…  2007
##  6 Torger…           39.3          20.6              190        3650 male   2007
##  7 Torger…           38.9          17.8              181        3625 fema…  2007
##  8 Torger…           39.2          19.6              195        4675 male   2007
##  9 Torger…           34.1          18.1              193        3475 <NA>   2007
## 10 Torger…           42            20.2              190        4250 <NA>   2007
## # … with 334 more rows

変数を個別に複数指定

選択

# "species"，"island"，"year"を選択する
penguins |> 
  select(species, island, year)

## # A tibble: 344 × 3
##    species island     year
##    <fct>   <fct>     <int>
##  1 Adelie  Torgersen  2007
##  2 Adelie  Torgersen  2007
##  3 Adelie  Torgersen  2007
##  4 Adelie  Torgersen  2007
##  5 Adelie  Torgersen  2007
##  6 Adelie  Torgersen  2007
##  7 Adelie  Torgersen  2007
##  8 Adelie  Torgersen  2007
##  9 Adelie  Torgersen  2007
## 10 Adelie  Torgersen  2007
## # … with 334 more rows

選択しない

# "species"，"island"，"year"を選択しない
penguins |> 
  select(!c(species, island, year))

## # A tibble: 344 × 5
##    bill_length_mm bill_depth_mm flipper_length_mm body_mass_g sex   
##             <dbl>         <dbl>             <int>       <int> <fct> 
##  1           39.1          18.7               181        3750 male  
##  2           39.5          17.4               186        3800 female
##  3           40.3          18                 195        3250 female
##  4           NA            NA                  NA          NA <NA>  
##  5           36.7          19.3               193        3450 female
##  6           39.3          20.6               190        3650 male  
##  7           38.9          17.8               181        3625 female
##  8           39.2          19.6               195        4675 male  
##  9           34.1          18.1               193        3475 <NA>  
## 10           42            20.2               190        4250 <NA>  
## # … with 334 more rows

変数を連続で複数指定

選択

# "species"から"bill_length_mm"を選択する
penguins |> 
  select(species:bill_length_mm)

## # A tibble: 344 × 3
##    species island    bill_length_mm
##    <fct>   <fct>              <dbl>
##  1 Adelie  Torgersen           39.1
##  2 Adelie  Torgersen           39.5
##  3 Adelie  Torgersen           40.3
##  4 Adelie  Torgersen           NA  
##  5 Adelie  Torgersen           36.7
##  6 Adelie  Torgersen           39.3
##  7 Adelie  Torgersen           38.9
##  8 Adelie  Torgersen           39.2
##  9 Adelie  Torgersen           34.1
## 10 Adelie  Torgersen           42  
## # … with 334 more rows

選択しない

# "species"から"bill_length_mm"を選択しない
penguins |> 
  select(!species:bill_length_mm)

## # A tibble: 344 × 5
##    bill_depth_mm flipper_length_mm body_mass_g sex     year
##            <dbl>             <int>       <int> <fct>  <int>
##  1          18.7               181        3750 male    2007
##  2          17.4               186        3800 female  2007
##  3          18                 195        3250 female  2007
##  4          NA                  NA          NA <NA>    2007
##  5          19.3               193        3450 female  2007
##  6          20.6               190        3650 male    2007
##  7          17.8               181        3625 female  2007
##  8          19.6               195        4675 male    2007
##  9          18.1               193        3475 <NA>    2007
## 10          20.2               190        4250 <NA>    2007
## # … with 334 more rows

変数をまとめて複数指定

選択

# "species"，"year"をまとめて選択する

# "species"，"year"を含むオブジェクトを作成
obs <- 
  c("species", "year")

# all_of
penguins |> 
  select(all_of(obs))

## # A tibble: 344 × 2
##    species  year
##    <fct>   <int>
##  1 Adelie   2007
##  2 Adelie   2007
##  3 Adelie   2007
##  4 Adelie   2007
##  5 Adelie   2007
##  6 Adelie   2007
##  7 Adelie   2007
##  8 Adelie   2007
##  9 Adelie   2007
## 10 Adelie   2007
## # … with 334 more rows

# any_of
penguins |> 
  select(any_of(obs))

## # A tibble: 344 × 2
##    species  year
##    <fct>   <int>
##  1 Adelie   2007
##  2 Adelie   2007
##  3 Adelie   2007
##  4 Adelie   2007
##  5 Adelie   2007
##  6 Adelie   2007
##  7 Adelie   2007
##  8 Adelie   2007
##  9 Adelie   2007
## 10 Adelie   2007
## # … with 334 more rows

選択しない

# "species"，"year"をまとめて選択しない

# "species"，"year"を含むオブジェクトを作成
obs <- 
  c("species", "year")

# all_of
penguins |> 
  select(!all_of(obs))

## # A tibble: 344 × 6
##    island    bill_length_mm bill_depth_mm flipper_length_mm body_mass_g sex   
##    <fct>              <dbl>         <dbl>             <int>       <int> <fct> 
##  1 Torgersen           39.1          18.7               181        3750 male  
##  2 Torgersen           39.5          17.4               186        3800 female
##  3 Torgersen           40.3          18                 195        3250 female
##  4 Torgersen           NA            NA                  NA          NA <NA>  
##  5 Torgersen           36.7          19.3               193        3450 female
##  6 Torgersen           39.3          20.6               190        3650 male  
##  7 Torgersen           38.9          17.8               181        3625 female
##  8 Torgersen           39.2          19.6               195        4675 male  
##  9 Torgersen           34.1          18.1               193        3475 <NA>  
## 10 Torgersen           42            20.2               190        4250 <NA>  
## # … with 334 more rows

# any_of
penguins |> 
  select(!any_of(obs))

## # A tibble: 344 × 6
##    island    bill_length_mm bill_depth_mm flipper_length_mm body_mass_g sex   
##    <fct>              <dbl>         <dbl>             <int>       <int> <fct> 
##  1 Torgersen           39.1          18.7               181        3750 male  
##  2 Torgersen           39.5          17.4               186        3800 female
##  3 Torgersen           40.3          18                 195        3250 female
##  4 Torgersen           NA            NA                  NA          NA <NA>  
##  5 Torgersen           36.7          19.3               193        3450 female
##  6 Torgersen           39.3          20.6               190        3650 male  
##  7 Torgersen           38.9          17.8               181        3625 female
##  8 Torgersen           39.2          19.6               195        4675 male  
##  9 Torgersen           34.1          18.1               193        3475 <NA>  
## 10 Torgersen           42            20.2               190        4250 <NA>  
## # … with 334 more rows

（参考）all_ofとany_ofの違い

# ペンギンデータに含まれていない"weight"が入ったobsを作成
obs <- 
  c("species", "year", "weight")

# all_ofを使うと"weight"がないためエラーになる
penguins |> 
  select(all_of(obs))

# any_ofを使うと"weight"がなくともエラーにならない
penguins |> 
  select(any_of(obs))

特定の文字で始まる変数を指定

選択

# "bill"で始まる変数を選択する

# starts_with
penguins |> 
  select(starts_with("bill"))

## # A tibble: 344 × 2
##    bill_length_mm bill_depth_mm
##             <dbl>         <dbl>
##  1           39.1          18.7
##  2           39.5          17.4
##  3           40.3          18  
##  4           NA            NA  
##  5           36.7          19.3
##  6           39.3          20.6
##  7           38.9          17.8
##  8           39.2          19.6
##  9           34.1          18.1
## 10           42            20.2
## # … with 334 more rows

# matches
penguins |> 
  select(matches("^bill"))

## # A tibble: 344 × 2
##    bill_length_mm bill_depth_mm
##             <dbl>         <dbl>
##  1           39.1          18.7
##  2           39.5          17.4
##  3           40.3          18  
##  4           NA            NA  
##  5           36.7          19.3
##  6           39.3          20.6
##  7           38.9          17.8
##  8           39.2          19.6
##  9           34.1          18.1
## 10           42            20.2
## # … with 334 more rows

選択しない

# "bill"で始まる変数を選択しない

# starts_with
penguins |> 
  select(!starts_with("bill"))

## # A tibble: 344 × 6
##    species island    flipper_length_mm body_mass_g sex     year
##    <fct>   <fct>                 <int>       <int> <fct>  <int>
##  1 Adelie  Torgersen               181        3750 male    2007
##  2 Adelie  Torgersen               186        3800 female  2007
##  3 Adelie  Torgersen               195        3250 female  2007
##  4 Adelie  Torgersen                NA          NA <NA>    2007
##  5 Adelie  Torgersen               193        3450 female  2007
##  6 Adelie  Torgersen               190        3650 male    2007
##  7 Adelie  Torgersen               181        3625 female  2007
##  8 Adelie  Torgersen               195        4675 male    2007
##  9 Adelie  Torgersen               193        3475 <NA>    2007
## 10 Adelie  Torgersen               190        4250 <NA>    2007
## # … with 334 more rows

# matches
penguins |> 
  select(!matches("^bill"))

## # A tibble: 344 × 6
##    species island    flipper_length_mm body_mass_g sex     year
##    <fct>   <fct>                 <int>       <int> <fct>  <int>
##  1 Adelie  Torgersen               181        3750 male    2007
##  2 Adelie  Torgersen               186        3800 female  2007
##  3 Adelie  Torgersen               195        3250 female  2007
##  4 Adelie  Torgersen                NA          NA <NA>    2007
##  5 Adelie  Torgersen               193        3450 female  2007
##  6 Adelie  Torgersen               190        3650 male    2007
##  7 Adelie  Torgersen               181        3625 female  2007
##  8 Adelie  Torgersen               195        4675 male    2007
##  9 Adelie  Torgersen               193        3475 <NA>    2007
## 10 Adelie  Torgersen               190        4250 <NA>    2007
## # … with 334 more rows

特定の文字で終わる変数を指定

選択

# "mm"で終わる変数を選択する

# ends_with
penguins |> 
  select(ends_with("mm"))

## # A tibble: 344 × 3
##    bill_length_mm bill_depth_mm flipper_length_mm
##             <dbl>         <dbl>             <int>
##  1           39.1          18.7               181
##  2           39.5          17.4               186
##  3           40.3          18                 195
##  4           NA            NA                  NA
##  5           36.7          19.3               193
##  6           39.3          20.6               190
##  7           38.9          17.8               181
##  8           39.2          19.6               195
##  9           34.1          18.1               193
## 10           42            20.2               190
## # … with 334 more rows

# matches
penguins |> 
  select(matches("mm$"))

## # A tibble: 344 × 3
##    bill_length_mm bill_depth_mm flipper_length_mm
##             <dbl>         <dbl>             <int>
##  1           39.1          18.7               181
##  2           39.5          17.4               186
##  3           40.3          18                 195
##  4           NA            NA                  NA
##  5           36.7          19.3               193
##  6           39.3          20.6               190
##  7           38.9          17.8               181
##  8           39.2          19.6               195
##  9           34.1          18.1               193
## 10           42            20.2               190
## # … with 334 more rows

選択しない

# "mm"で終わる変数を選択しない

# ends_with
penguins |> 
  select(!ends_with("mm"))

## # A tibble: 344 × 5
##    species island    body_mass_g sex     year
##    <fct>   <fct>           <int> <fct>  <int>
##  1 Adelie  Torgersen        3750 male    2007
##  2 Adelie  Torgersen        3800 female  2007
##  3 Adelie  Torgersen        3250 female  2007
##  4 Adelie  Torgersen          NA <NA>    2007
##  5 Adelie  Torgersen        3450 female  2007
##  6 Adelie  Torgersen        3650 male    2007
##  7 Adelie  Torgersen        3625 female  2007
##  8 Adelie  Torgersen        4675 male    2007
##  9 Adelie  Torgersen        3475 <NA>    2007
## 10 Adelie  Torgersen        4250 <NA>    2007
## # … with 334 more rows

# matches
penguins |> 
  select(!matches("mm$"))

## # A tibble: 344 × 5
##    species island    body_mass_g sex     year
##    <fct>   <fct>           <int> <fct>  <int>
##  1 Adelie  Torgersen        3750 male    2007
##  2 Adelie  Torgersen        3800 female  2007
##  3 Adelie  Torgersen        3250 female  2007
##  4 Adelie  Torgersen          NA <NA>    2007
##  5 Adelie  Torgersen        3450 female  2007
##  6 Adelie  Torgersen        3650 male    2007
##  7 Adelie  Torgersen        3625 female  2007
##  8 Adelie  Torgersen        4675 male    2007
##  9 Adelie  Torgersen        3475 <NA>    2007
## 10 Adelie  Torgersen        4250 <NA>    2007
## # … with 334 more rows

特定の文字を含む変数を指定

選択

# "length"を含む変数を選択する

# contains
penguins |> 
  select(contains("length"))

## # A tibble: 344 × 2
##    bill_length_mm flipper_length_mm
##             <dbl>             <int>
##  1           39.1               181
##  2           39.5               186
##  3           40.3               195
##  4           NA                  NA
##  5           36.7               193
##  6           39.3               190
##  7           38.9               181
##  8           39.2               195
##  9           34.1               193
## 10           42                 190
## # … with 334 more rows

# matches
penguins |> 
  select(matches("length"))

## # A tibble: 344 × 2
##    bill_length_mm flipper_length_mm
##             <dbl>             <int>
##  1           39.1               181
##  2           39.5               186
##  3           40.3               195
##  4           NA                  NA
##  5           36.7               193
##  6           39.3               190
##  7           38.9               181
##  8           39.2               195
##  9           34.1               193
## 10           42                 190
## # … with 334 more rows

選択しない

# "length"を含む変数を選択しない

# contains
penguins |> 
  select(!contains("length"))

## # A tibble: 344 × 6
##    species island    bill_depth_mm body_mass_g sex     year
##    <fct>   <fct>             <dbl>       <int> <fct>  <int>
##  1 Adelie  Torgersen          18.7        3750 male    2007
##  2 Adelie  Torgersen          17.4        3800 female  2007
##  3 Adelie  Torgersen          18          3250 female  2007
##  4 Adelie  Torgersen          NA            NA <NA>    2007
##  5 Adelie  Torgersen          19.3        3450 female  2007
##  6 Adelie  Torgersen          20.6        3650 male    2007
##  7 Adelie  Torgersen          17.8        3625 female  2007
##  8 Adelie  Torgersen          19.6        4675 male    2007
##  9 Adelie  Torgersen          18.1        3475 <NA>    2007
## 10 Adelie  Torgersen          20.2        4250 <NA>    2007
## # … with 334 more rows

# matches
penguins |> 
  select(!matches("length"))

## # A tibble: 344 × 6
##    species island    bill_depth_mm body_mass_g sex     year
##    <fct>   <fct>             <dbl>       <int> <fct>  <int>
##  1 Adelie  Torgersen          18.7        3750 male    2007
##  2 Adelie  Torgersen          17.4        3800 female  2007
##  3 Adelie  Torgersen          18          3250 female  2007
##  4 Adelie  Torgersen          NA            NA <NA>    2007
##  5 Adelie  Torgersen          19.3        3450 female  2007
##  6 Adelie  Torgersen          20.6        3650 male    2007
##  7 Adelie  Torgersen          17.8        3625 female  2007
##  8 Adelie  Torgersen          19.6        4675 male    2007
##  9 Adelie  Torgersen          18.1        3475 <NA>    2007
## 10 Adelie  Torgersen          20.2        4250 <NA>    2007
## # … with 334 more rows

番号のついた変数を指定

選択

# x1～x6の変数を追加したオブジェクトを作成
df <- 
  tribble(
    ~x1, ~x2, ~x3, ~x4, ~x5, ~x6,
      1,   2,   3,   4,   5,   6,
      7,   8,   9,  10,  11,  12,
     13,  14,  15,  16,  17,  18)

df

## # A tibble: 3 × 6
##      x1    x2    x3    x4    x5    x6
##   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1     1     2     3     4     5     6
## 2     7     8     9    10    11    12
## 3    13    14    15    16    17    18

# x1～x3の変数を選択する

# num_range
df |> 
  select(num_range("x", 1:3))

## # A tibble: 3 × 3
##      x1    x2    x3
##   <dbl> <dbl> <dbl>
## 1     1     2     3
## 2     7     8     9
## 3    13    14    15

# matches
df |> 
  select(matches("x[1-3]"))

## # A tibble: 3 × 3
##      x1    x2    x3
##   <dbl> <dbl> <dbl>
## 1     1     2     3
## 2     7     8     9
## 3    13    14    15

選択しない

# x1～x6の変数を追加したオブジェクトを作成
df <- 
  tribble(
    ~x1, ~x2, ~x3, ~x4, ~x5, ~x6,
      1,   2,   3,   4,   5,   6,
      7,   8,   9,  10,  11,  12,
     13,  14,  15,  16,  17,  18)

df

## # A tibble: 3 × 6
##      x1    x2    x3    x4    x5    x6
##   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1     1     2     3     4     5     6
## 2     7     8     9    10    11    12
## 3    13    14    15    16    17    18

# x1～x3の変数を選択しない

# num_range
df |> 
  select(!num_range("x", 1:3))

## # A tibble: 3 × 3
##      x4    x5    x6
##   <dbl> <dbl> <dbl>
## 1     4     5     6
## 2    10    11    12
## 3    16    17    18

# matches
df |> 
  select(!matches("x[1-3]"))

## # A tibble: 3 × 3
##      x4    x5    x6
##   <dbl> <dbl> <dbl>
## 1     4     5     6
## 2    10    11    12
## 3    16    17    18

変数名を変えて選択する

rename()と同じように変数名を変えられる

# "bill_length_mm"を"kuchibashi_length_mm"に変更する
# "bill_length_mm"を"kuchibashi_length_mm"に変更する
# names()で変数名を確認
penguins |> 
  select(kuchibashi_length_mm = bill_length_mm,
         kuchibashi_depth_mm = bill_depth_mm) |> 
  names()

## [1] "kuchibashi_length_mm" "kuchibashi_depth_mm"

変数名を変える（rename）

変数名をひとつずつ変える

rename(新しい変数名 = 古い変数名)

# "bill_length_mm"を"kuchibashi_length_mm"に変更する
# "bill_length_mm"を"kuchibashi_length_mm"に変更する
# names()で変数名を確認
penguins |> 
  rename(kuchibashi_length_mm = bill_length_mm,
         kuchibashi_depth_mm = bill_depth_mm) |> 
  names()

## [1] "species"              "island"               "kuchibashi_length_mm"
## [4] "kuchibashi_depth_mm"  "flipper_length_mm"    "body_mass_g"         
## [7] "sex"                  "year"

条件を指定して変数名を一気に変える

# "bill"から始まる変数のとき，"bill"を"kuchibashi"に変更する
# names()で変数名を確認
penguins |> 
  rename_with(~str_replace(., "bill", "kuchibashi"),
              starts_with("bill")) |> 
  names()

## [1] "species"              "island"               "kuchibashi_length_mm"
## [4] "kuchibashi_depth_mm"  "flipper_length_mm"    "body_mass_g"         
## [7] "sex"                  "year"

# "_mm"で終わる変数のとき，"_mm"を削除する
# names()で変数名を確認
penguins |> 
  rename_with(~str_replace(., "_mm", ""),
              ends_with("_mm")) |> 
  names()

## [1] "species"        "island"         "bill_length"    "bill_depth"    
## [5] "flipper_length" "body_mass_g"    "sex"            "year"

変数名に共通の語を一気につける

# "sex"が"male"のとき，"bill"，"flipper"，"body"を含む変数に接頭辞"male_"をつける
# names()で変数名を確認
penguins |> 
  filter(sex == "male") |> 
  rename_with(~str_c("male_", .),
              matches("bill|flipper|body")) |> 
  names()

## [1] "species"                "island"                 "male_bill_length_mm"   
## [4] "male_bill_depth_mm"     "male_flipper_length_mm" "male_body_mass_g"      
## [7] "sex"                    "year"

# "sex"が"male"のとき，"bill"，"flipper"，"body"を含む変数に接尾辞"_male"をつける
# names()で変数名を確認
penguins |> 
  filter(sex == "male") |> 
  rename_with(~str_c(., "_male"),
              matches("bill|flipper|body")) |> 
  names()

## [1] "species"                "island"                 "bill_length_mm_male"   
## [4] "bill_depth_mm_male"     "flipper_length_mm_male" "body_mass_g_male"      
## [7] "sex"                    "year"

変数を追加する（mutate）

変数をひとつ追加する

デフォルトではデータセットの右側に新しく変数が追加される

# "body_mass_kg"を新たに追加する
# "body_mass_kg"は"body_mass_g"を1000で割ったもの
# "body_mass_kg"は一番右側に作られる
# select()で"body_mass_g"と"body_mass_kg"を確認
penguins |> 
  mutate(body_mass_kg = body_mass_g / 1000) |> 
  select(body_mass_g, body_mass_kg)

## # A tibble: 344 × 2
##    body_mass_g body_mass_kg
##          <int>        <dbl>
##  1        3750         3.75
##  2        3800         3.8 
##  3        3250         3.25
##  4          NA        NA   
##  5        3450         3.45
##  6        3650         3.65
##  7        3625         3.62
##  8        4675         4.68
##  9        3475         3.48
## 10        4250         4.25
## # … with 334 more rows

任意の変数の前に追加する

任意の変数の前に入れたい場合は.beforeが使える

# ".before = 1"とすると一番目の変数の前に加わる
penguins |> 
  mutate(body_mass_kg = body_mass_g / 1000,
         .before = 1)

## # A tibble: 344 × 9
##    body_mass_kg species island    bill_length_mm bill_depth_mm flipper_length_mm
##           <dbl> <fct>   <fct>              <dbl>         <dbl>             <int>
##  1         3.75 Adelie  Torgersen           39.1          18.7               181
##  2         3.8  Adelie  Torgersen           39.5          17.4               186
##  3         3.25 Adelie  Torgersen           40.3          18                 195
##  4        NA    Adelie  Torgersen           NA            NA                  NA
##  5         3.45 Adelie  Torgersen           36.7          19.3               193
##  6         3.65 Adelie  Torgersen           39.3          20.6               190
##  7         3.62 Adelie  Torgersen           38.9          17.8               181
##  8         4.68 Adelie  Torgersen           39.2          19.6               195
##  9         3.48 Adelie  Torgersen           34.1          18.1               193
## 10         4.25 Adelie  Torgersen           42            20.2               190
## # … with 334 more rows, and 3 more variables: body_mass_g <int>, sex <fct>,
## #   year <int>

# ".before = body_mass_g"とすると"body_mass_g"の前に加わる
penguins |> 
  mutate(body_mass_kg = body_mass_g / 1000,
         .before = body_mass_g)

## # A tibble: 344 × 9
##    species island    bill_length_mm bill_depth_mm flipper_length_mm body_mass_kg
##    <fct>   <fct>              <dbl>         <dbl>             <int>        <dbl>
##  1 Adelie  Torgersen           39.1          18.7               181         3.75
##  2 Adelie  Torgersen           39.5          17.4               186         3.8 
##  3 Adelie  Torgersen           40.3          18                 195         3.25
##  4 Adelie  Torgersen           NA            NA                  NA        NA   
##  5 Adelie  Torgersen           36.7          19.3               193         3.45
##  6 Adelie  Torgersen           39.3          20.6               190         3.65
##  7 Adelie  Torgersen           38.9          17.8               181         3.62
##  8 Adelie  Torgersen           39.2          19.6               195         4.68
##  9 Adelie  Torgersen           34.1          18.1               193         3.48
## 10 Adelie  Torgersen           42            20.2               190         4.25
## # … with 334 more rows, and 3 more variables: body_mass_g <int>, sex <fct>,
## #   year <int>

任意の変数の後に追加する

任意の変数の後に入れたい場合は.afterが使える

# ".after = 1"とすると一番目の変数の後に加わる
penguins |> 
  mutate(body_mass_kg = body_mass_g / 1000,
         .after = 1)

## # A tibble: 344 × 9
##    species body_mass_kg island    bill_length_mm bill_depth_mm flipper_length_mm
##    <fct>          <dbl> <fct>              <dbl>         <dbl>             <int>
##  1 Adelie          3.75 Torgersen           39.1          18.7               181
##  2 Adelie          3.8  Torgersen           39.5          17.4               186
##  3 Adelie          3.25 Torgersen           40.3          18                 195
##  4 Adelie         NA    Torgersen           NA            NA                  NA
##  5 Adelie          3.45 Torgersen           36.7          19.3               193
##  6 Adelie          3.65 Torgersen           39.3          20.6               190
##  7 Adelie          3.62 Torgersen           38.9          17.8               181
##  8 Adelie          4.68 Torgersen           39.2          19.6               195
##  9 Adelie          3.48 Torgersen           34.1          18.1               193
## 10 Adelie          4.25 Torgersen           42            20.2               190
## # … with 334 more rows, and 3 more variables: body_mass_g <int>, sex <fct>,
## #   year <int>

# ".after = body_mass_g"とすると"body_mass_g"の後に加わる
penguins |> 
  mutate(body_mass_kg = body_mass_g / 1000,
         .after = body_mass_g)

## # A tibble: 344 × 9
##    species island    bill_length_mm bill_depth_mm flipper_length_mm body_mass_g
##    <fct>   <fct>              <dbl>         <dbl>             <int>       <int>
##  1 Adelie  Torgersen           39.1          18.7               181        3750
##  2 Adelie  Torgersen           39.5          17.4               186        3800
##  3 Adelie  Torgersen           40.3          18                 195        3250
##  4 Adelie  Torgersen           NA            NA                  NA          NA
##  5 Adelie  Torgersen           36.7          19.3               193        3450
##  6 Adelie  Torgersen           39.3          20.6               190        3650
##  7 Adelie  Torgersen           38.9          17.8               181        3625
##  8 Adelie  Torgersen           39.2          19.6               195        4675
##  9 Adelie  Torgersen           34.1          18.1               193        3475
## 10 Adelie  Torgersen           42            20.2               190        4250
## # … with 334 more rows, and 3 more variables: body_mass_kg <dbl>, sex <fct>,
## #   year <int>

保持する変数を制限する

保持する変数を制限する場合はkeepが使える

# ".keep = "used""とすると使った変数のみが表示される
penguins |> 
  mutate(body_mass_kg = body_mass_g / 1000,
         .keep = "used")

## # A tibble: 344 × 2
##    body_mass_g body_mass_kg
##          <int>        <dbl>
##  1        3750         3.75
##  2        3800         3.8 
##  3        3250         3.25
##  4          NA        NA   
##  5        3450         3.45
##  6        3650         3.65
##  7        3625         3.62
##  8        4675         4.68
##  9        3475         3.48
## 10        4250         4.25
## # … with 334 more rows

変数を複数追加する

# "bill_length_mm_cm"，"flipper_length_mm_cm"を新たに追加する
# "bill_length_mm_cm"は"bill_length_mm"を10で割ったもの（flipper_lengthも同じ）
# select()で"bill_length_mm"と"bill_length_mm_cm"，"flipper_length_mm"と"flipper_length_mm_cm"を確認

# c()
penguins |> 
  mutate(across(c(bill_length_mm, flipper_length_mm),
         list(cm = ~ (. / 10)))) |> 
  select(bill_length_mm, bill_length_mm_cm, flipper_length_mm, flipper_length_mm_cm)

## # A tibble: 344 × 4
##    bill_length_mm bill_length_mm_cm flipper_length_mm flipper_length_mm_cm
##             <dbl>             <dbl>             <int>                <dbl>
##  1           39.1              3.91               181                 18.1
##  2           39.5              3.95               186                 18.6
##  3           40.3              4.03               195                 19.5
##  4           NA               NA                   NA                 NA  
##  5           36.7              3.67               193                 19.3
##  6           39.3              3.93               190                 19  
##  7           38.9              3.89               181                 18.1
##  8           39.2              3.92               195                 19.5
##  9           34.1              3.41               193                 19.3
## 10           42                4.2                190                 19  
## # … with 334 more rows

# ends_with
penguins |> 
  mutate(across(ends_with("length_mm"),
         list(cm = ~ (. / 10)))) |> 
  select(bill_length_mm, bill_length_mm_cm, flipper_length_mm, flipper_length_mm_cm)

## # A tibble: 344 × 4
##    bill_length_mm bill_length_mm_cm flipper_length_mm flipper_length_mm_cm
##             <dbl>             <dbl>             <int>                <dbl>
##  1           39.1              3.91               181                 18.1
##  2           39.5              3.95               186                 18.6
##  3           40.3              4.03               195                 19.5
##  4           NA               NA                   NA                 NA  
##  5           36.7              3.67               193                 19.3
##  6           39.3              3.93               190                 19  
##  7           38.9              3.89               181                 18.1
##  8           39.2              3.92               195                 19.5
##  9           34.1              3.41               193                 19.3
## 10           42                4.2                190                 19  
## # … with 334 more rows

2値変数をひとつ追加する

# "body_mass_3000"を新たに追加する
# "body_mass_3000"は"body_mass_g"が"3000以上"の場合は"1"，そうでない場合は"0"のもの
# count()で"body_mass_g"と"body_mass_3000"を確認
penguins |> 
  mutate(body_mass_3000 = if_else(body_mass_g >= 3000, 1, 0)) |> 
  count(body_mass_g, body_mass_3000)

## # A tibble: 95 × 3
##    body_mass_g body_mass_3000     n
##          <int>          <dbl> <int>
##  1        2700              0     1
##  2        2850              0     2
##  3        2900              0     4
##  4        2925              0     1
##  5        2975              0     1
##  6        3000              1     2
##  7        3050              1     4
##  8        3075              1     1
##  9        3100              1     1
## 10        3150              1     4
## # … with 85 more rows

3値以上の変数をひとつ追加する

# "body_mass_3000"を新たに追加する
# "body_mass_3000"は"body_mass_g"が"3000以上"の場合は"1"，そうでない場合は"0"のもの
# count()で"body_mass_g"と"body_mass_3000"を確認
# "body_mass_g"がNAのものは"不明"とする
penguins |> 
  mutate(
    body_mass_range = case_when(
      body_mass_g <= 3000 ~ "～3000", 
      body_mass_g <= 4000 ~ "～4000",
      body_mass_g <= 5000 ~ "～5000",
      body_mass_g <= 6000 ~ "～6000",
      body_mass_g >= 6000 ~ "6000～",
      is.na(body_mass_g)  ~ "不明")) |> 
  count(body_mass_g, body_mass_range)

## # A tibble: 95 × 3
##    body_mass_g body_mass_range     n
##          <int> <chr>           <int>
##  1        2700 ～3000              1
##  2        2850 ～3000              2
##  3        2900 ～3000              4
##  4        2925 ～3000              1
##  5        2975 ～3000              1
##  6        3000 ～3000              2
##  7        3050 ～4000              4
##  8        3075 ～4000              1
##  9        3100 ～4000              1
## 10        3150 ～4000              4
## # … with 85 more rows

変数の型を変更する ★要確認

変数の型

関数	用途
as.character	文字列型に変更する
as.factor	因子型に変更する
as.numeric	数値型に変更する

# "year"を文字列型に変更する
# count()で"year"の型を確認
penguins |> 
  mutate(
    year = as.character(year)
    ) |> 
  count(year)

## # A tibble: 3 × 2
##   year      n
##   <chr> <int>
## 1 2007    110
## 2 2008    114
## 3 2009    120

# "year"を因子型に変更する
# count()で"year"の型を確認
penguins |> 
  mutate(
    year = as.factor(year)
    ) |> 
  count(year)

## # A tibble: 3 × 2
##   year      n
##   <fct> <int>
## 1 2007    110
## 2 2008    114
## 3 2009    120

# "year"を数値型に変更する
# count()で"year"の型を確認
penguins |> 
  mutate(
    year = as.numeric(year)
    ) |> 
  count(year)

## # A tibble: 3 × 2
##    year     n
##   <dbl> <int>
## 1  2007   110
## 2  2008   114
## 3  2009   120

ひとつの変数内で水準名を変更する

# "sex"の"male"を"1"に，"female"を"2"に変更する
# count()で"sex"を確認
penguins |> 
  mutate(
    sex = fct_recode(sex, "1" = "male", 
                          "2" = "female")) |> 
  count(sex)

## # A tibble: 3 × 2
##   sex       n
##   <fct> <int>
## 1 2       165
## 2 1       168
## 3 <NA>     11

他の変数を使って水準名を変更する

# "fruit"と"color"の変数を追加したオブジェクトを作成
df <- 
  tribble(
    　~fruit,     ~color, 
     "apple",      "red", 
    "banana",   "yellow",  
     "melon",     "blue"
    )

df

## # A tibble: 3 × 2
##   fruit  color 
##   <chr>  <chr> 
## 1 apple  red   
## 2 banana yellow
## 3 melon  blue

# "fruit"の"melon"の"color"を"green"に変更，それ以外の"color"はそのままとする
df |> 
  mutate(color = case_when(
    fruit == "melon" ~ "green",
    TRUE ~ color))

## # A tibble: 3 × 2
##   fruit  color 
##   <chr>  <chr> 
## 1 apple  red   
## 2 banana yellow
## 3 melon  green

水準を並び替える

# "fruit"と"color"の変数を追加したオブジェクトを作成
df <- 
  tribble(
    　~fruit,     ~color, 
     "apple",      "red", 
    "banana",   "yellow",  
     "melon",     "blue"
    )

df

## # A tibble: 3 × 2
##   fruit  color 
##   <chr>  <chr> 
## 1 apple  red   
## 2 banana yellow
## 3 melon  blue

# "fruit"を"melon"，"banana"，"apple"の順に並び替える
df |> 
  mutate(fruit = fct_relevel(fruit,
                             "melon",
                             "banana",
                             "apple")) |> 
  arrange(fruit)

## # A tibble: 3 × 2
##   fruit  color 
##   <fct>  <chr> 
## 1 melon  blue  
## 2 banana yellow
## 3 apple  red

逆転処理する

# x1～x3，y1～y3の変数を追加したオブジェクトを作成
df <- 
  tribble(
    ~x1, ~x2, ~x3, ~y1, ~y2, ~y3,
      1,   2,   3,   4,   1,   2,
      3,   4,   1,   2,   3,   4,
      1,   2,   3,   4,   1,   2)

# x1～x3を逆転処理する（4件法の場合）
# count()で"x1"と逆転処理した"x1_r"を確認
df |> 
  mutate(
    across(x1:x3,
           list(r = ~(5 -.))
           )
  ) |> 
  count(x1, x1_r)

## # A tibble: 2 × 3
##      x1  x1_r     n
##   <dbl> <dbl> <int>
## 1     1     4     2
## 2     3     2     1

小数点以下の処理

小数第二位を切り捨てる

# x1～x2の変数を追加したオブジェクトを作成
df <- 
  tribble(
      ~x1,   ~x2,
    0.123, 0.901,
    0.234, 0.890,
    0.345, 0.789,
    0.456, 0.678,
    0.567, 0.567,
    0.678, 0.456,
    0.789, 0.345,
    0.890, 0.234,
    0.901, 0.123)

# ひとつの変数で小数第二位を切り捨てる
df |> 
  mutate(x1_kirisute = trunc(x1 * 100) / 100)

## # A tibble: 9 × 3
##      x1    x2 x1_kirisute
##   <dbl> <dbl>       <dbl>
## 1 0.123 0.901        0.12
## 2 0.234 0.89         0.23
## 3 0.345 0.789        0.34
## 4 0.456 0.678        0.45
## 5 0.567 0.567        0.56
## 6 0.678 0.456        0.67
## 7 0.789 0.345        0.78
## 8 0.89  0.234        0.89
## 9 0.901 0.123        0.9

# 複数の変数で小数第二位を切り捨てる
df |> 
  mutate(across(starts_with("x"),
         list(kirisute = ~trunc(. * 100) / 100)))

## # A tibble: 9 × 4
##      x1    x2 x1_kirisute x2_kirisute
##   <dbl> <dbl>       <dbl>       <dbl>
## 1 0.123 0.901        0.12        0.9 
## 2 0.234 0.89         0.23        0.89
## 3 0.345 0.789        0.34        0.78
## 4 0.456 0.678        0.45        0.67
## 5 0.567 0.567        0.56        0.56
## 6 0.678 0.456        0.67        0.45
## 7 0.789 0.345        0.78        0.34
## 8 0.89  0.234        0.89        0.23
## 9 0.901 0.123        0.9         0.12

小数第二位を四捨五入する{-}　★これから

round()は四捨五入ではないため使用しない

変数を要約する（summarize）

平均値，標準偏差，人数などを算出する
平均値，標準偏差などはna.rm = TRUEを入れないと欠損がある場合NAになってしまう
人数は!is.na()を入れることで欠損を抜いて合計する

ひとつの要約値をひとつの変数で算出する

# 平均値（mean）
penguins |> 
  summarize(bill_length_mm_mean = mean(bill_length_mm, na.rm = TRUE))

## # A tibble: 1 × 1
##   bill_length_mm_mean
##                 <dbl>
## 1                43.9

# 標準偏差（sd）
penguins |> 
  summarize(bill_length_mm_sd = sd(bill_length_mm, na.rm = TRUE))

## # A tibble: 1 × 1
##   bill_length_mm_sd
##               <dbl>
## 1              5.46

# 人数（sum）
penguins |> 
  summarize(bill_length_mm_n = sum(!is.na(bill_length_mm)))

## # A tibble: 1 × 1
##   bill_length_mm_n
##              <int>
## 1              342

複数の要約値を複数の変数で算出する

# "bill_length_mm"と"bill_depth_mm"の平均値，標準偏差，人数
penguins |> 
  summarize(across(c(bill_length_mm, bill_depth_mm),
                   list(mean = ~mean(., na.rm = TRUE),
                        sd   = ~sd(., na.rm = TRUE),
                        n    = ~sum(!is.na(.)))))

## # A tibble: 1 × 6
##   bill_length_mm_mean bill_length_mm_sd bill_length_mm_n bill_depth_mm_mean
##                 <dbl>             <dbl>            <int>              <dbl>
## 1                43.9              5.46              342               17.2
## # … with 2 more variables: bill_depth_mm_sd <dbl>, bill_depth_mm_n <int>

層別に算出する

層別に（グループ化して）扱いたいときはgroup_by()を使う
層別（グループ化）を解除したいときはungroup()を使う

# "species"ごとに"bill_length_mm"と"bill_depth_mm"の平均値，標準偏差，人数
penguins |> 
  group_by(species) |> 
  summarize(across(c(bill_length_mm, bill_depth_mm),
                   list(mean = ~mean(., na.rm = TRUE),
                        sd   = ~sd(., na.rm = TRUE),
                        n    = ~sum(!is.na(.)))))

## # A tibble: 3 × 7
##   species   bill_length_mm_m… bill_length_mm_… bill_length_mm_n bill_depth_mm_m…
##   <fct>                 <dbl>            <dbl>            <int>            <dbl>
## 1 Adelie                 38.8             2.66              151             18.3
## 2 Chinstrap              48.8             3.34               68             18.4
## 3 Gentoo                 47.5             3.08              123             15.0
## # … with 2 more variables: bill_depth_mm_sd <dbl>, bill_depth_mm_n <int>

データセットを縦に長くする（pivot_longer）

基本形

pivot_longer(data, cols, names_to = "name", values_to = "value")
- （例）Figure20 pivot_longer(cols = col1:col2, names_to = "names", values_to = "value")
colsにはピボットする必要がある変数を入れる
- select()と同じでヘルパー関数も使用可能
- （例）cols = col1:col2
names_toにはcolsで選んだ変数名を格納する変数名をつける
- もとの変数名は新しい変数の値になる
- （例）names_to = “names”
values_toにはcolsで選んだ値を格納する変数名をつける
- （例）values_to = “value”

Figure20.pivot_longerの説明1（Wickham & Grolemund, Figure6.4）

# var，col1，col2の変数を追加したオブジェクトを作成
df <- tribble(
  ~var, ~col1, ~col2,
   "A",     1,     2,
   "B",     3,     4,
   "C",     5,     6
)

df

## # A tibble: 3 × 3
##   var    col1  col2
##   <chr> <dbl> <dbl>
## 1 A         1     2
## 2 B         3     4
## 3 C         5     6

# col1とcol2をピボットしたいので，cols = col1:col2とする
# 選んだ変数名を"names"という名前の変数に格納したいので，names_to = "names"とする
# 選んだ変数の値を"value"という名前の変数に格納したいので，values_to = "value"とする
df |> 
  pivot_longer(
    cols = col1:col2, 
    names_to = "names", 
    values_to = "value"
  )

## # A tibble: 6 × 3
##   var   names value
##   <chr> <chr> <dbl>
## 1 A     col1      1
## 2 A     col2      2
## 3 B     col1      3
## 4 B     col2      4
## 5 C     col1      5
## 6 C     col2      6

変数名を分割する

値をひとつの変数にまとめる

pivot_longer(data, cols, names_to = "name", names_sep = NULL, values_to = "value")
- （例）Figure21 pivot_longer(cols = !var, names_to = c("name", "number"), names_sep = "_", values_to = "value")
colsにはピボットする必要がある変数を入れる
- select()と同じでヘルパー関数も使用可能
- （例）cols = !var
names_toにはcolsで選んだ変数名を格納する変数名をつける
- もとの変数名は新しい変数の値になる
- 複数の変数名を指定できる
- （例）names_to = c(“name”, “number”)
names_sepには変数名を分割する区切りを入れる
- （例）names_sep = “_”
values_toにはcolsで選んだ値を格納する変数名をつける
- （例）values_to = “value”

Figure21.pivot_longerの説明2（Wickham & Grolemund, Figure6.6）

# var，x_1，y_2の変数を追加したオブジェクトを作成
df <- tribble(
  ~var, ~x_1, ~y_2,
   "A",    1,    2,
   "B",    3,    4,
   "C",    5,    6
)

df

## # A tibble: 3 × 3
##   var     x_1   y_2
##   <chr> <dbl> <dbl>
## 1 A         1     2
## 2 B         3     4
## 3 C         5     6

# var以外の変数をピボットしたいので，cols = !varとする
# 選んだ変数名を"name"，"number"という名前の変数に格納したいので，names_to = c("name", "number")とする
# 選んだ変数の値を"value"という名前の変数に格納したいので，values_to = "value"とする
df |> 
  pivot_longer(
    cols = !var, 
    names_to = c("name", "number"), 
    names_sep = "_",
    values_to = "value"
  )

## # A tibble: 6 × 4
##   var   name  number value
##   <chr> <chr> <chr>  <dbl>
## 1 A     x     1          1
## 2 A     y     2          2
## 3 B     x     1          3
## 4 B     y     2          4
## 5 C     x     1          5
## 6 C     y     2          6

もとの変数名から変数を作る

pivot_longer(data, cols, names_to = "name", names_sep = NULL)
- （例）Figure22 pivot_longer(cols = !var, names_to = c(".value", "id"), names_sep = "_")
colsにはピボットする必要がある変数を入れる
- select()と同じでヘルパー関数も使用可能
- （例）cols = !var
names_toにはcolsで選んだ変数名を格納する変数名をつける
- もとの変数名は新しい変数の値になる
- 複数の変数名を指定できる
- もとの変数名のまとまりを新しい変数名として使う場合に".value"を使う
- （例）names_to = c(“.value”, “id”)
names_sepには変数名を分割する区切りを入れる
- （例）names_sep = “_”

Figure22.pivot_longerの説明3（Wickham & Grolemund, Figure6.7）

# var，x_1，x_2，y_1，y_2の変数を追加したオブジェクトを作成
df <- tribble(
  ~var, ~x_1, ~x_2, ~y_1, ~y_2,
   "A",    1,    2,    3,    4,
   "B",    5,    6,    7,    8
)

df

## # A tibble: 2 × 5
##   var     x_1   x_2   y_1   y_2
##   <chr> <dbl> <dbl> <dbl> <dbl>
## 1 A         1     2     3     4
## 2 B         5     6     7     8

# var以外の変数をピボットしたいので，cols = !varとする
# 選んだ変数名のうち"x_1"か"x_2"ならば"x"，"y_1"か"y_2"ならば"y"という名前の変数に格納したいので，names_toに".value"を入れる
# 加えて"x_1"か"y_1"ならば"1"，"x_2"か"y_2"ならば"2"を"id"という名前の変数に格納したいので，names_toに"id"も入れる
df |> 
  pivot_longer(
    cols = !var, 
    names_to = c(".value", "id"), 
    names_sep = "_"
    ) |> 
  select(var, x:y, id)

## # A tibble: 4 × 4
##   var       x     y id   
##   <chr> <dbl> <dbl> <chr>
## 1 A         1     3 1    
## 2 A         2     4 2    
## 3 B         5     7 1    
## 4 B         6     8 2

変数名を自由に分割する

names_patternで変数名を自由に分割できる
正規表現の詳細は別の章
正規表現のよく使う例
- RStudio CheatsheetsのうちString manipulation with stringr cheatsheetを参照

正規表現	用途	用例	結果
.	新しい行を除くすべての文字	“.”	abc ABC 123 .!?(){}
^a	文字列で始まる	“^a”	aaa
a$	文字列で終わる	“a$”	aaa
a+	1以上	“a+”	.a.aa.aaa
a{n}	n	“a{2}”	.a.aa.aaa
a{n,}	n以上	“a{2,}”	.a.aa.aaa

1つめのアンダーバーで分割

ここでは1つめのアンダーバーの前が1文字のため(.{1})_(.*)"としている
2文字であれば(.{2})_(.*)", 3文字以内であれば(.{1,3})_(.*)"などで対応できる

# var，x_m，x_sd，x_all_percent, y_m，y_sd, y_all_percentの変数を追加したオブジェクトを作成
df <- tribble(
  ~var, ~x_m, ~x_sd, ~x_all_percent, ~y_m, ~y_sd, ~y_all_percent,
   "A",    1,    2,               3,    4,     5,              6,
   "B",    7,    8,               9,   10,    11,             12
)

df

## # A tibble: 2 × 7
##   var     x_m  x_sd x_all_percent   y_m  y_sd y_all_percent
##   <chr> <dbl> <dbl>         <dbl> <dbl> <dbl>         <dbl>
## 1 A         1     2             3     4     5             6
## 2 B         7     8             9    10    11            12

# var以外の変数をピボットしたいので，cols = !varとする
# 選んだ変数名のうち"x_m"か"x_sd"ならば"x"，"y_1"か"y_2"ならば"y"で"item"という名前の変数に格納したいので，names_toに"item"を入れる
# 加えて"m"，"sd"，"all_percent"という名前の変数を作りたいので，names_toに".value"も入れる
# "x_m"，"x_sd"，"x_all_percent"ならば"x_"，"y_m"，"y_sd"，"y_all_percent"ならば"y_"で分割したいので，names_patternに"(.{1})_(.*)"を入れる
# "(.{1})_(.*)"とは"任意の1文字_任意の文字を0文字以上"ということを意味する

df |> 
  pivot_longer(
    cols = !var, 
    names_to = c("item", ".value"), 
    names_pattern = "(.{1})_(.*)"
    )

## # A tibble: 4 × 5
##   var   item      m    sd all_percent
##   <chr> <chr> <dbl> <dbl>       <dbl>
## 1 A     x         1     2           3
## 2 A     y         4     5           6
## 3 B     x         7     8           9
## 4 B     y        10    11          12

最後のアンダーバーで分割

# var，m_x，sd_x，all_percent_x, m_y，sd_y, all_percent_yの変数を追加したオブジェクトを作成
df <- tribble(
  ~var, ~m_x, ~sd_x, ~all_percent_x, ~m_y, ~sd_y, ~all_percent_y,
   "A",    1,    2,               3,    4,     5,              6,
   "B",    7,    8,               9,   10,    11,             12
)

df

## # A tibble: 2 × 7
##   var     m_x  sd_x all_percent_x   m_y  sd_y all_percent_y
##   <chr> <dbl> <dbl>         <dbl> <dbl> <dbl>         <dbl>
## 1 A         1     2             3     4     5             6
## 2 B         7     8             9    10    11            12

# var以外の変数をピボットしたいので，cols = !varとする
# 選んだ変数名のうち"m_x"か"m_y"ならば"m"，"sd_x"か"sd_y"ならば"sd"，"all_percent_x"か"all_percent_y"ならば"all_percent"で"item"という名前の変数に格納したいので，names_toに"item"を入れる
# 加えて"x"，"y"という名前の変数を作りたいので，names_toに".value"も入れる
# "m_x"，"sd_x"，"all_percent_x"ならば"_x"，"m_y"，"sd_y"，"all_percent_y"ならば"_y"で分割したいので，names_patternに"(.*)_(.*)"を入れる
# "(.*)_(.*)"とは"任意の文字を0文字以上_任意の文字を0文字以上"ということを意味する

df |> 
  pivot_longer(
    cols = !var, 
    names_to = c("item", ".value"), 
    names_pattern = "(.*)_(.*)"
    )

## # A tibble: 6 × 4
##   var   item            x     y
##   <chr> <chr>       <dbl> <dbl>
## 1 A     m               1     4
## 2 A     sd              2     5
## 3 A     all_percent     3     6
## 4 B     m               7    10
## 5 B     sd              8    11
## 6 B     all_percent     9    12

各変数名の先頭から指定の文字を削除

names_prefixで指定の文字を削除できる

# var，x_1，x_2，y_1，y_2の変数を追加したオブジェクトを作成
df <- tribble(
  ~var, ~x_1, ~x_2, ~y_1, ~y_2,
   "A",    1,    2,    3,    4,
   "B",    5,    6,    7,    8
)

df

## # A tibble: 2 × 5
##   var     x_1   x_2   y_1   y_2
##   <chr> <dbl> <dbl> <dbl> <dbl>
## 1 A         1     2     3     4
## 2 B         5     6     7     8

df |> 
  pivot_longer(
    cols = !var, 
    names_prefix = "x_|y_"
    )

## # A tibble: 8 × 3
##   var   name  value
##   <chr> <chr> <dbl>
## 1 A     1         1
## 2 A     2         2
## 3 A     1         3
## 4 A     2         4
## 5 B     1         5
## 6 B     2         6
## 7 B     1         7
## 8 B     2         8

欠損ケースを除外する

values_drop_naで欠損ケースを削除できる

# var，x_1，x_2，y_1，y_2の変数を追加したオブジェクトを作成
# varが"C"のケースは，すべての変数が欠損している
df <- tribble(
  ~var, ~x_1, ~x_2, ~y_1, ~y_2,
   "A",    1,    2,    3,    4,
   "B",    5,    6,    7,    8,
   "C",   NA,   NA,   NA,   NA
)

df

## # A tibble: 3 × 5
##   var     x_1   x_2   y_1   y_2
##   <chr> <dbl> <dbl> <dbl> <dbl>
## 1 A         1     2     3     4
## 2 B         5     6     7     8
## 3 C        NA    NA    NA    NA

# values_drop_naを入れない場合
df |> 
  pivot_longer(
    cols = !var, 
    names_to = c(".value", "id"), 
    names_sep = "_")

## # A tibble: 6 × 4
##   var   id        x     y
##   <chr> <chr> <dbl> <dbl>
## 1 A     1         1     3
## 2 A     2         2     4
## 3 B     1         5     7
## 4 B     2         6     8
## 5 C     1        NA    NA
## 6 C     2        NA    NA

# values_drop_naを入れた場合
df |> 
  pivot_longer(
    cols = !var, 
    names_to = c(".value", "id"), 
    names_sep = "_",
    values_drop_na = TRUE)

## # A tibble: 4 × 4
##   var   id        x     y
##   <chr> <chr> <dbl> <dbl>
## 1 A     1         1     3
## 2 A     2         2     4
## 3 B     1         5     7
## 4 B     2         6     8

データセットを横に広くする（pivot_wider）

基本形

pivot_wider(data, id_cols = NULL, names_from = name, values_from = value)
- （例）pivot_wider(names_from = name, values_from = value)
names_fromには新しく変数名になる変数を入れる
- （例）names_from = name
values_fromには変形したい値を入れる
- （例）values_from = value

# id，name，valueの変数を追加したオブジェクトを作成
df <- tribble(
  ~id, ~name, ~value,
   "A",  "x",      1,
   "B",  "y",      2,
   "B",  "x",      3,
　 "A",  "y",      4,
   "A",  "z",      5)

df

## # A tibble: 5 × 3
##   id    name  value
##   <chr> <chr> <dbl>
## 1 A     x         1
## 2 B     y         2
## 3 B     x         3
## 4 A     y         4
## 5 A     z         5

# "name"に入っている値を変数名にしたいので，names_from = nameとする
# "value"に入っている値を変形に使いたいので，values_from = valueとする
df |> 
  pivot_wider(
    names_from = name, 
    values_from = value
  )

## # A tibble: 2 × 4
##   id        x     y     z
##   <chr> <dbl> <dbl> <dbl>
## 1 A         1     4     5
## 2 B         3     2    NA

# 最初からname，valueという変数であれば，names_fromとvalues_fromは省略可能
df |> 
  pivot_wider()

## # A tibble: 2 × 4
##   id        x     y     z
##   <chr> <dbl> <dbl> <dbl>
## 1 A         1     4     5
## 2 B         3     2    NA

変数名を分割する

変数を組み合わせた変数名を作る

pivot_wider(data, id_cols = NULL, names_from = name, values_from = value)
- （例）pivot_wider(names_from = c(item, answer), values_from = percent)
names_fromには新しく変数名になる変数を入れる
- （例）names_from = c(item, answer)
values_fromには変形したい値を入れる
- （例）values_from = percent

# item，answer，percentの変数を追加したオブジェクトを作成
df <- tribble(
  ~item, ~answer, ~percent,
   "A",  1,      10,
   "A",  2,      40,
   "A",  3,      40,
　 "A",  4,      10,
   "B",  1,      10,
   "B",  2,      40,
   "B",  3,      40,
   "B",  4,      10)

df

## # A tibble: 8 × 3
##   item  answer percent
##   <chr>  <dbl>   <dbl>
## 1 A          1      10
## 2 A          2      40
## 3 A          3      40
## 4 A          4      10
## 5 B          1      10
## 6 B          2      40
## 7 B          3      40
## 8 B          4      10

# "item"と"answer"に入っている値を変数名にしたいので，names_from = c(item, answer)とする
# "percent"に入っている値を変形に使いたいので，values_from = percentとする
df |> 
  pivot_wider(
    names_from = c(item, answer), 
    values_from = percent
  )

## # A tibble: 1 × 8
##     A_1   A_2   A_3   A_4   B_1   B_2   B_3   B_4
##   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1    10    40    40    10    10    40    40    10

データの連結

横に連結（join）

連結の種類

両データフレームで一致するケースと変数を保持（inner_join）

両データフレームで一致するケースと変数が保持される

Figure23.inner_joinの説明（Wickham & Grolemund, 13.5.1）

x <- tribble(
  ~key, ~val_x,
     1, "x1",
     2, "x2",
     3, "x3"
)

x

## # A tibble: 3 × 2
##     key val_x
##   <dbl> <chr>
## 1     1 x1   
## 2     2 x2   
## 3     3 x3

y <- tribble(
  ~key, ~val_y,
     1, "y1",
     2, "y2",
     4, "y3"
)

y

## # A tibble: 3 × 2
##     key val_y
##   <dbl> <chr>
## 1     1 y1   
## 2     2 y2   
## 3     4 y3

x |> 
  inner_join(y, by = "key")

## # A tibble: 2 × 3
##     key val_x val_y
##   <dbl> <chr> <chr>
## 1     1 x1    y1   
## 2     2 x2    y2

左のデータフレームのケースと両変数を保持（left_join）

左のデータフレームのケースと両変数が保持され，一致しないケースはNAになる
最も一般的に使用される

Figure24.left_joinの説明（Wickham & Grolemund, 13.5.2）

x |> 
  left_join(y, by = "key")

## # A tibble: 3 × 3
##     key val_x val_y
##   <dbl> <chr> <chr>
## 1     1 x1    y1   
## 2     2 x2    y2   
## 3     3 x3    <NA>

右のデータフレームのケースと両変数を保持（right_join）

右のデータフレームのケースと両変数が保持され，一致しないケースはNAになる

Figure25.right_joinの説明（Wickham & Grolemund, 13.5.2）

x |> 
  right_join(y, by = "key")

## # A tibble: 3 × 3
##     key val_x val_y
##   <dbl> <chr> <chr>
## 1     1 x1    y1   
## 2     2 x2    y2   
## 3     4 <NA>  y3

両データフレームのすべてのケースと変数を保持（full_join）

両データフレームのケースと変数が保持され，一致しないケースはNAになる

Figure26.full_joinの説明（Wickham & Grolemund, 13.5.2）

x |> 
  full_join(y, by = "key")

## # A tibble: 4 × 3
##     key val_x val_y
##   <dbl> <chr> <chr>
## 1     1 x1    y1   
## 2     2 x2    y2   
## 3     3 x3    <NA> 
## 4     4 <NA>  y3

左のデータフレームに一致するケースと変数を保持（semi_join）

左のデータフレームのうち，右のデータフレームと一致するケースと変数が保持される

Figure27.semi_joinの説明（Wickham & Grolemund, 13.5.2）

x |> 
  semi_join(y, by = "key")

## # A tibble: 2 × 2
##     key val_x
##   <dbl> <chr>
## 1     1 x1   
## 2     2 x2

左のデータフレームに一致しないケースと変数を保持（anti_join）

左のデータフレームのうち，右のデータフレームと一致しないケースと変数が保持される

Figure28.anti_joinの説明（Wickham & Grolemund, 13.5.2）

x |> 
  anti_join(y, by = "key")

## # A tibble: 1 × 2
##     key val_x
##   <dbl> <chr>
## 1     3 x3

キーの種類

複数キーによる連結

キーが一意ではないときはby = c("a", "b")と複数指定できる

x <- tribble(
  ~key, ~key2, ~val_x,
     1,   "A",   "x1",
     2,   "A",   "x2",
     2,   "B",   "x3"
)

x

## # A tibble: 3 × 3
##     key key2  val_x
##   <dbl> <chr> <chr>
## 1     1 A     x1   
## 2     2 A     x2   
## 3     2 B     x3

y <- tribble(
  ~key, ~key2, ~val_y,
     1,   "A",   "y1",
     2,   "A",   "y2",
     2,   "C",   "y3"
)

x |> 
  left_join(y, by = c("key", "key2"))

## # A tibble: 3 × 4
##     key key2  val_x val_y
##   <dbl> <chr> <chr> <chr>
## 1     1 A     x1    y1   
## 2     2 A     x2    y2   
## 3     2 B     x3    <NA>

異なる名前のキーによる連結

キーの名前が異なるときはby = c("a" = "b")と指定できる

x <- tribble(
  ~key, ~val_x,
     1,   "x1",
     2,   "x2",
     3,   "x3"
)

x

## # A tibble: 3 × 2
##     key val_x
##   <dbl> <chr>
## 1     1 x1   
## 2     2 x2   
## 3     3 x3

y <- tribble(
  ~id, ~val_y,
     1,   "y1",
     2,   "y2",
     4,   "y3"
)

x |> 
  left_join(y, by = c("key" = "id"))

## # A tibble: 3 × 3
##     key val_x val_y
##   <dbl> <chr> <chr>
## 1     1 x1    y1   
## 2     2 x2    y2   
## 3     3 x3    <NA>

横に連結（bind_rows）

x <- tribble(
  ~key, ~val_x,
     1,   "x1",
     2,   "x2",
     3,   "x3"
)

x

## # A tibble: 3 × 2
##     key val_x
##   <dbl> <chr>
## 1     1 x1   
## 2     2 x2   
## 3     3 x3

y <- tribble(
  ~key, ~val_x,
     4,   "y1",
     5,   "y2",
     6,   "y3"
)

x |> 
  bind_rows(y)

## # A tibble: 6 × 2
##     key val_x
##   <dbl> <chr>
## 1     1 x1   
## 2     2 x2   
## 3     3 x3   
## 4     4 y1   
## 5     5 y2   
## 6     6 y3

日付

日付型を作成する

# "period"の変数を追加したオブジェクトを作成
df <- 
  tribble(
    ~var, ~period,
    "A", "2020/1/1~2020/1/31", 
    "B", "2020/1/1~2020/3/31",
    "C", "2020/4/1~2020/5/31",  
    "D", "2020/6/1~2020/10/31")

# "period"を"period_from"と"period_to"の2つの日付変数に分割
# remove = FALSEを入れることで他の変数も保持される
df <- 
  df |> 
  separate(period,
           into = c("period_from", "period_to"),
           sep = "~",
           remove = FALSE)

# "period_from"と"period_to"を日付型に変更
df <- 
  df |> 
  mutate(across(starts_with("period_"),
                ~lubridate::ymd(.)))

# period_fromが2020/4/1以降に絞る
df |> 
  filter(period_from >= "2020/4/1")

## # A tibble: 2 × 4
##   var   period              period_from period_to 
##   <chr> <chr>               <date>      <date>    
## 1 C     2020/4/1~2020/5/31  2020-04-01  2020-05-31
## 2 D     2020/6/1~2020/10/31 2020-06-01  2020-10-31

その他

重複

重複を見つける

# "fruit"と"color"の変数を追加したオブジェクトを作成
df <- 
  tribble(
    ~fruit,     ~color, 
    "apple",      "red", 
    "banana",  "yellow",  
    "melon",    "green",
    "apple",    "green",
    "banana",  "yellow",
    "apple",    "blue")

df

## # A tibble: 6 × 2
##   fruit  color 
##   <chr>  <chr> 
## 1 apple  red   
## 2 banana yellow
## 3 melon  green 
## 4 apple  green 
## 5 banana yellow
## 6 apple  blue

# get_dupes()の中に変数を指定しない場合，すべての変数を使って重複を見つける
# "banana"が2ケース重複している
# 重複していないケースは返ってこない
df |> 
  janitor::get_dupes()

## # A tibble: 2 × 3
##   fruit  color  dupe_count
##   <chr>  <chr>       <int>
## 1 banana yellow          2
## 2 banana yellow          2

# get_dupes()の中に変数を指定する場合，指定した変数を使って重複を見つける
# "apple"が3ケース，"banana"が2ケース重複している
# 重複していないケースは返ってこない
df |> 
  janitor::get_dupes(fruit)

## # A tibble: 5 × 3
##   fruit  dupe_count color 
##   <chr>       <int> <chr> 
## 1 apple           3 red   
## 2 apple           3 green 
## 3 apple           3 blue  
## 4 banana          2 yellow
## 5 banana          2 yellow

重複を削除する

# "fruit"と"color"の変数を追加したオブジェクトを作成
df <- 
  tribble(
    ~fruit,     ~color, 
    "apple",      "red", 
    "banana",  "yellow",  
    "melon",    "green",
    "apple",    "green",
    "banana",  "yellow",
    "apple",    "blue")

df

## # A tibble: 6 × 2
##   fruit  color 
##   <chr>  <chr> 
## 1 apple  red   
## 2 banana yellow
## 3 melon  green 
## 4 apple  green 
## 5 banana yellow
## 6 apple  blue

# "apple"，"banana"の重複を削除
df |> 
  distinct()

## # A tibble: 5 × 2
##   fruit  color 
##   <chr>  <chr> 
## 1 apple  red   
## 2 banana yellow
## 3 melon  green 
## 4 apple  green 
## 5 apple  blue

# distinct()の中に変数を指定しない場合，すべての変数を使って重複を削除する
# "banana"の重複が削除
df |> 
  distinct()

## # A tibble: 5 × 2
##   fruit  color 
##   <chr>  <chr> 
## 1 apple  red   
## 2 banana yellow
## 3 melon  green 
## 4 apple  green 
## 5 apple  blue

# distinct()の中に変数を指定する場合，指定した変数を使って重複を削除する
# "apple"の重複，"banana"の重複が削除
# .keep_all = TRUEを入れることで他の変数も保持される
df |> 
  distinct(fruit, .keep_all = TRUE)

## # A tibble: 3 × 2
##   fruit  color 
##   <chr>  <chr> 
## 1 apple  red   
## 2 banana yellow
## 3 melon  green

論理ベクトル

ひとつの条件（if_else）

ある値のときにa，そうでないときにbと条件指定したい場合はif_elseが使える

連続量

# "flag"変数に"bill_length_mm"が"35以上"のときに1，そうでないときに0を入れる
# count()で"bill_length_mm"と"flag"を確認
# print()で20行目まで確認
penguins |> 
  mutate(flag = if_else(bill_length_mm >= 35, 1, 0)) |> 
  count(bill_length_mm, flag) |> 
  print(n = 20)

## # A tibble: 165 × 3
##    bill_length_mm  flag     n
##             <dbl> <dbl> <int>
##  1           32.1     0     1
##  2           33.1     0     1
##  3           33.5     0     1
##  4           34       0     1
##  5           34.1     0     1
##  6           34.4     0     1
##  7           34.5     0     1
##  8           34.6     0     2
##  9           35       1     2
## 10           35.1     1     1
## 11           35.2     1     1
## 12           35.3     1     1
## 13           35.5     1     2
## 14           35.6     1     1
## 15           35.7     1     3
## 16           35.9     1     2
## 17           36       1     4
## 18           36.2     1     3
## 19           36.3     1     1
## 20           36.4     1     2
## # … with 145 more rows

欠損

# var，xの変数を追加したオブジェクトを作成
df <- tribble(
  ~var,   ~x, 
   "A","yes",  
   "B",   NA,
   "C","yes",
   "D",   NA
)

df

## # A tibble: 4 × 2
##   var   x    
##   <chr> <chr>
## 1 A     yes  
## 2 B     <NA> 
## 3 C     yes  
## 4 D     <NA>

# "flag"変数に"x"が"yes"のときに1，欠損のときに0を入れる
df |> 
  mutate(flag = if_else(is.na(x), 0, 1))

## # A tibble: 4 × 3
##   var   x      flag
##   <chr> <chr> <dbl>
## 1 A     yes       1
## 2 B     <NA>      0
## 3 C     yes       1
## 4 D     <NA>      0

複数の条件（case_when）

ある値のときにa，ある値のときにb，ある値のときにcと条件指定したい場合はcase_whenが使える

連続量

# "flag"変数に"bill_length_mm"が"50以上"のときに"50-"，40以上のときに"40-50"，30以上のときに"30-40"を入れる
# count()で"bill_length_mm"と"flag"を確認
penguins |> 
  mutate(flag = case_when(bill_length_mm >= 50 ~ "50-",
                          bill_length_mm >= 40 ~ "40-50",
                          bill_length_mm >= 30 ~ "30-40")) |> 
  count(bill_length_mm, flag)

## # A tibble: 165 × 3
##    bill_length_mm flag      n
##             <dbl> <chr> <int>
##  1           32.1 30-40     1
##  2           33.1 30-40     1
##  3           33.5 30-40     1
##  4           34   30-40     1
##  5           34.1 30-40     1
##  6           34.4 30-40     1
##  7           34.5 30-40     1
##  8           34.6 30-40     2
##  9           35   30-40     2
## 10           35.1 30-40     1
## # … with 155 more rows

# "flag"変数に"bill_length_mm"が"50以上"のときに"50-"，40以上のときに"40-50"，30以上のときに"30-40"を入れる
# count()で"bill_length_mm"と"flag"を確認
penguins |> 
  mutate(flag = case_when(bill_length_mm >= 50 ~ "50-",
                          bill_length_mm >= 40 ~ "40-50",
                          bill_length_mm >= 30 ~ "30-40")) |> 
  count(bill_length_mm, flag)

## # A tibble: 165 × 3
##    bill_length_mm flag      n
##             <dbl> <chr> <int>
##  1           32.1 30-40     1
##  2           33.1 30-40     1
##  3           33.5 30-40     1
##  4           34   30-40     1
##  5           34.1 30-40     1
##  6           34.4 30-40     1
##  7           34.5 30-40     1
##  8           34.6 30-40     2
##  9           35   30-40     2
## 10           35.1 30-40     1
## # … with 155 more rows

一部のみ

# "fruit"の変数を追加したオブジェクトを作成
df <- 
  tribble(
    ~fruit, 
      "apple",
      "banana",
      "melon",
      "strawberry",
      "orange",
      "peach",
      "green apple")

df

## # A tibble: 7 × 1
##   fruit      
##   <chr>      
## 1 apple      
## 2 banana     
## 3 melon      
## 4 strawberry 
## 5 orange     
## 6 peach      
## 7 green apple

# "new_fruit"変数に"fruit"が"green apple"のときに"apple"，それ以外は"fruit"を入れる
df |> 
  mutate(new_fruit = case_when(fruit == "green apple" ~ "apple", 
                               TRUE ~ fruit))

## # A tibble: 7 × 2
##   fruit       new_fruit 
##   <chr>       <chr>     
## 1 apple       apple     
## 2 banana      banana    
## 3 melon       melon     
## 4 strawberry  strawberry
## 5 orange      orange    
## 6 peach       peach     
## 7 green apple apple

正規表現

正規表現
- RStudio CheatsheetsのうちString manipulation with stringr cheatsheetを参照

文字列の一致（MATCH CHARACTERS）

準備

library(stringr)

sample_see <- c("abc ABC 123\t.!?\\(){}\n")

スペース

any whitespace
\sを使う

# スペース
str_view_all(sample_see, "\\s")

数字

any digit
\dを使う

# 数字
str_view_all(sample_see, "\\d")

文字

any word character
\wを使う

# 文字
str_view_all(sample_see, "\\w")

小文字

lowercase letters
[:lower:]を使う

# 小文字
str_view_all(sample_see, "[:lower:]")

大文字

uppercase letters
[:upper:]を使う

# 大文字
str_view_all(sample_see, "[:upper:]")

句読点

punctuation
[:punct:]を使う

# 句読点
str_view_all(sample_see, "[:punct:]")

すべての文字

every character except a new line
.を使う

# 新しい行を除くすべての文字
str_view_all(sample_see, ".")

代替構成体（ALTERNATES）

準備

sample_alt <- c("abcde")

または

or
ab|dを使う

# "ab"または"d"がつく文字列
str_view_all(sample_alt, "ab|d")

いずれか

one of
[abe]を使う

# "a"または"b"または"e"がつく文字列
str_view_all(sample_alt, "[abe]")

以外

anything but
[^abe]を使う

# "a"または"b"または"e"がつかない文字列
str_view_all(sample_alt, "[^abe]")

範囲

range
[a-c]を使う

# "a"～"c"の文字列
str_view_all(sample_alt, "[a-c]")

アンカー（ANCHORS）

準備

sample_anchor <- c("aaa")

文字列で始まる

start of string
^aを使う

# "a"で始まる文字列
str_view_all(sample_anchor, "^a")

文字列で終わる

end of string
a$を使う

# "a"で終わる文字列
str_view_all(sample_anchor, "a$")

数量詞（QUANTIFIERS）

準備

sample_quant <- c(".a.aa.aaa")

文字が0か1

zero or one
a?を使う

# "a"が0か1
str_view_all(sample_quant, "a?")

文字が0以上

zero or more
a*を使う

# "a"が0以上
str_view_all(sample_quant, "a*")

文字が1以上

one or more
a+を使う

# "a"が1以上
str_view_all(sample_quant, "a+")

文字がn個

exactly n
a{n}を使う

# "a"が2個
str_view_all(sample_quant, "a{2}")

文字がn個以上

n or more
a{n,}を使う

# "a"が2個以上
str_view_all(sample_quant, "a{2,}")

文字がnとmの間以上

between n and m
a{n,m}を使う

# "a"が2～4個
str_view_all(sample_quant, "a{2,4}")

データの書き出し

csvファイルを書き出す場合

出力

# resultフォルダに"penguins.xlsx"を格納
write_csv(penguins,
          file = "result/penguins.csv")

日付を自動で入れて出力

# 日付オブジェクトの作成
# 出力時に日付の8桁が自動で挿入されるようにする
today <- 
  lubridate::today() |> 
  str_replace_all("-", "")

# resultフォルダに"penguins_xxxxxxxx(日付).xlsx"を格納
write_csv(penguins,
          file = str_c("result/penguins_", today, ".csv"))

Excelファイルを書き出す場合

出力

# resultフォルダに"penguins.xlsx"を格納
writexl::write_xlsx(penguins,
                    path = "result/penguins.xlsx")

日付を自動で入れて出力

# 日付オブジェクトの作成
# 出力時に日付の8桁が自動で挿入されるようにする
today <- 
  lubridate::today() |> 
  str_replace_all("-", "")

# resultフォルダに"penguins_xxxxxxxx(日付).xlsx"を格納
writexl::write_xlsx(penguins,
                    path = str_c("result/penguins_", today, ".xlsx"))

Basic-tips

Ron0128

2022/08/14

はじめに

設定

R

インストール

バージョンアップ／ダウン

RStudio

インストール

ワークスペースの設定

文字コードの設定

プロジェクトの使い方

パッケージの読み込み

パッケージを読み込み

データの読み込み（Import）

csvファイルを読み込む場合

Excelファイルを読み込む場合

データ変換（Data transformation）

行

ケースを選択する（filter）

条件をひとつ指定

選択

選択しない

条件を複数指定

選択

選択しない

条件をまとめて複数指定

選択

選択しない

水準の条件を指定

選択

選択しない

!= を使うときの注意

欠損値

選択

選択しない

ケースを並び替える（arrange）

昇順

降順

列

変数を選択する（select）

変数をひとつ指定

選択

選択しない

変数を個別に複数指定

選択

選択しない

変数を連続で複数指定

選択

選択しない

変数をまとめて複数指定

選択

選択しない

（参考）all_ofとany_ofの違い

特定の文字で始まる変数を指定

選択

選択しない

特定の文字で終わる変数を指定

選択

選択しない

特定の文字を含む変数を指定

選択

選択しない

番号のついた変数を指定

選択

選択しない

変数名を変えて選択する

変数名を変える（rename）

変数名をひとつずつ変える

条件を指定して変数名を一気に変える

変数名に共通の語を一気につける

変数を追加する（mutate）

変数をひとつ追加する

任意の変数の前に追加する

任意の変数の後に追加する

保持する変数を制限する

変数を複数追加する

2値変数をひとつ追加する

3値以上の変数をひとつ追加する

小数第二位を四捨五入する{-}　★これから